Python 正则表达式 RE模块的使用方法

Python 正则表达式 RE模块的使用方法

1.1. 开始使用re

Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例，然后使用Pattern实例处理文本并获得匹配结果（一个Match实例），最后使用Match实例获得信息，进行其他的操作。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

# encoding: UTF-8 importre    # 将正则表达式编译成Pattern对象 pattern=re.compile(r'hello')    # 使用Pattern匹配文本，获得匹配结果，无法匹配时将返回None match=pattern.match('hello world!')    ifmatch:     # 使用Match获得分组信息     printmatch.group()    ### 输出 ### # hello

re.compile(strPattern[, flag]):

这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。 第二个参数flag是匹配模式，取值可以使用按位或运算符'|'表示同时生效，比如re.I | re.M。另外，你也可以在regex字符串中指定模式，比如re.compile('pattern', re.I | re.M)与re.compile('(?im)pattern')是等价的。
可选值有：

· re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）

· M(MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）

· S(DOTALL): 点任意匹配模式，改变'.'的行为

· L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定

· U(UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性

· X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。以下两个正则表达式是等价的：

1 2 3 4

a=re.compile(r"""\d +  # the integral part                    \.    # the decimal point                    \d *  # some fractional digits""", re.X) b=re.compile(r"\d+\.\d*")

re提供了众多模块方法用于完成正则表达式的功能。这些方法可以使用Pattern实例的相应方法替代，唯一的好处是少写一行re.compile()代码，但同时也无法复用编译后的Pattern对象。这些方法将在Pattern类的实例方法部分一起介绍。如上面这个例子可以简写为：

1 2	m=re.match(r'hello','hello world!') printm.group()

re模块还提供了一个方法escape(string)，用于将string中的正则表达式元字符如*/+/?等之前加上转义符再返回，在需要大量匹配元字符时有那么一点用。

1.2. Match

Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。

属性：

1 string: 匹配时使用的文本。

2 re: 匹配时使用的Pattern对象。

3 pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。

4 endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。

5 lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。

6 lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。

方法：

7 group([group1, …]):
获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。

8 groups([default]):
以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。

9 groupdict([default]):返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同上。

10 start([group]):
返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。

11 end([group]):返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。

12 span([group]):返回(start(group), end(group))。

13 expand(template):
将匹配到的分组代入template中然后返回。template中可以使用\id或\g、\g引用分组，但不能使用编号0。\id与\g是等价的；但\10将被认为是第10个分组，如果你想表达\1之后是字符'0'，只能使用\g<1>0。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

importre m=re.match(r'(\w+) (\w+)(?P.*)','hello world!')    print"m.string:", m.string print"m.re:", m.re print"m.pos:", m.pos print"m.endpos:", m.endpos print"m.lastindex:", m.lastindex print"m.lastgroup:", m.lastgroup    print"m.group(1,2):", m.group(1,2) print"m.groups():", m.groups() print"m.groupdict():", m.groupdict() print"m.start(2):", m.start(2) print"m.end(2):", m.end(2) print"m.span(2):", m.span(2) printr"m.expand(r'\2 \1\3'):", m.expand(r'\2 \1\3')    ### output ### # m.string: hello world! # m.re: <_sre.SRE_Pattern object at 0x016E1A38> # m.pos: 0 # m.endpos: 12 # m.lastindex: 3 # m.lastgroup: sign # m.group(1,2): ('hello', 'world') # m.groups(): ('hello', 'world', '!') # m.groupdict(): {'sign': '!'} # m.start(2): 6 # m.end(2): 11 # m.span(2): (6, 11) # m.expand(r'\2 \1\3'): world hello!

1.3. Pattern

Pattern对象是一个编译好的正则表达式，通过Pattern提供的一系列方法可以对文本进行匹配查找。

Pattern不能直接实例化，必须使用re.compile()进行构造。

Pattern提供了几个可读属性用于获取表达式的相关信息：

14 pattern: 编译时用的表达式字符串。

15 flags: 编译时用的匹配模式。数字形式。

16 groups: 表达式中分组的数量。

17 groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典，没有别名的组不包含在内。

1 2 3 4 5 6 7 8 9 10 11 12 13

importre p=re.compile(r'(\w+) (\w+)(?P.*)', re.DOTALL)    print"p.pattern:", p.pattern print"p.flags:", p.flags print"p.groups:", p.groups print"p.groupindex:", p.groupindex    ### output ### # p.pattern: (\w+) (\w+)(?P.*) # p.flags: 16 # p.groups: 3 # p.groupindex: {'sign': 3}

实例方法[ | re模块方法]：

18 match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):这个方法将从string的pos下标处起尝试匹配pattern；如果pattern结束时仍可匹配，则返回一个Match对象；如果匹配过程中pattern无法匹配，或者匹配未结束就已到达endpos，则返回None。
pos和endpos的默认值分别为0和len(string)；re.match()无法指定这两个参数，参数flags用于编译pattern时指定匹配模式。
注意：这个方法并不是完全匹配。当pattern结束时若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上边界匹配符'$'。
示例参见2.1小节。

search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):这个方法用于查找字符串中可以匹配成功的子串。从string的pos下标处起尝试匹配pattern，如果pattern结束时仍可匹配，则返回一个Match对象；若无法匹配，则将pos加1后重新尝试匹配；直到pos=endpos时仍无法匹配则返回None。
pos和endpos的默认值分别为0和len(string))；re.search()无法指定这两个参数，参数flags用于编译pattern时指定匹配模式。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

# encoding: UTF-8  importre     # 将正则表达式编译成Pattern对象  pattern=re.compile(r'world')     # 使用search()查找匹配的子串，不存在能匹配的子串时将返回None  # 这个例子中使用match()无法成功匹配  match=pattern.search('hello world!')     ifmatch:      # 使用Match获得分组信息      printmatch.group()     ### 输出 ###  # world

split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]):按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数，不指定将全部分割。
?

1 2 3 4 5 6 7

importre    p=re.compile(r'\d+') printp.split('one1two2three3four4')    ### output ### # ['one', 'two', 'three', 'four', '']

findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]):搜索string，以列表形式返回全部能匹配的子串。
?

1 2 3 4 5 6 7

importre    p=re.compile(r'\d+') printp.findall('one1two2three3four4')    ### output ### # ['1', '2', '3', '4']

finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。

1 2 3 4 5 6 7 8

Import re    p=re.compile(r'\d+') For m in p.finditer('one1two2three3four4'):     Print m.group(),    ### output ### # 1 2 3 4

sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]):使用repl替换string中每一个匹配的子串后返回替换后的字符串。
当repl是一个字符串时，可以使用\id或\g、\g引用分组，但不能使用编号0。
当repl是一个方法时，这个方法应当只接受一个参数（Match对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。
count用于指定最多替换次数，不指定时全部替换。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

importre    p=re.compile(r'(\w+) (\w+)') s='i say, hello world!'    printp.sub(r'\2 \1', s)    deffunc(m):     returnm.group(1).title()+' '+m.group(2).title()    printp.sub(func, s)    ### output ### # say i, world hello! # I Say, Hello World!

subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):返回 (sub(repl, string[, count]), 替换次数)。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

importre    p=re.compile(r'(\w+) (\w+)') s='i say, hello world!'    printp.subn(r'\2 \1', s)    deffunc(m):     returnm.group(1).title()+' '+m.group(2).title()    printp.subn(func, s)    ### output ### # ('say i, world hello!', 2) # ('I Say, Hello World!', 2)

以上就是Python对于正则表达式的支持。熟练掌握正则表达式是每一个程序员必须具备的技能，这年头没有不与字符串打交道的程序了。笔者也处于初级阶段，与君共勉，^_^

另外，图中的特殊构造部分没有举出例子，用到这些的正则表达式是具有一定难度的。有兴趣可以思考一下，如何匹配不是以abc开头的单词，^_^

全文结束

文章是转载过来的,不过忘记从哪里转来的了..我以前放在文档里面的.!